Uma estrutura proativa para avaliação de risco de cibercriminalidade, incorporando algoritmos de aprendizado de máquina e teoria dos jogos, analisa a eficácia da moderação de conteúdo da plataforma. Com algoritmos de aprendizado de máquina, incluindo clusterização K-means, regressão ridge, análise de interação e otimização do equilíbrio de Nash em 27 análises trimestrais da plataforma, esta pesquisa propõe quatro categorias de riscos de conteúdo diferenciadas por diferenças sistemáticas nos níveis de ameaça. O preditor mais forte nesta amostra (β = 0,63) para a eficácia são as capacidades de IA, que explicam 56,2% das variações explicadas, embora a eficácia seja substancialmente reduzida pela complexidade no conteúdo moderado. As taxas de automatização ideais variam de 78% para baixa complexidade a abordagens sofisticadas em apenas 29%, oferecendo 55% de economia de custos e uma diminuição de 54,5% nas violações para baixa complexidade, mas arriscando graus mais altos de ameaça para conteúdos moderados complexos. Este estudo sugere que o desenvolvimento tecnológico é imperativo para complementar o desenvolvimento de recursos para plataformas em abordagens de moderação de conteúdo.
Lingjia Zhang (Sáb,) estudou esta questão.